作者：包艺1，张庆辉2，刘勇锋3，李广华4，张淼1，陈效鹏1，杜鹏1,*
作者单位：1. 西北工业大学航海学院；2. 山西平阳重工机械有限责任公司；3. 国网淮北供电公司；4. 河南省水下智能装备重点实验室
作者简介：包艺，硕士生，主要从事水下流场探测与目标定位研究；杜鹏，博士，副教授，主要从事复杂水动力与流动控制研究。
基金项目：国家自然科学基金项目“潜射航行体局部滞留气泡的三相接触线钉扎机理与脱钉方法研究”（52201380）；中央高校基本科研业务费专项资金“仿生智能流场探测技术研究与装置研发”（D5000230080）。
摘 要 随着对海洋的探索与开发，水下探测技术的发展起到了重要作用。水生动物的敏感器官，如鱼类的侧线和海豹的胡须等，可感知物体运动产生的水动力尾迹。受此启发，仿生流场探测技术克服了光学与声学探测在水下复杂环境中近场感知的局限性，已成为目前的研究热点。首先，对典型水下探测技术的研究现状进行了总结。然后，解释了水下仿生流场探测的原理，总结了基于不同原理设计的仿生流场传感器的研究进展，分析了水动力流场探测方法的研究进展。最后，给出了水下仿生流场探测工作中亟需解决的关键问题，并对未来的研究方向做了进一步展望。
关键词 流场探测；水动力尾迹；仿生；传感器
引 言
海洋是地球上重要的生态系统，是军事上寸土必争的战略要地，同时，海上运输也是当今全球最重要的交通运输方式。人类对海洋的探索从未停止，深海探测、深海资源挖掘、海洋生态保护，以及水下追踪、隐身等技术已经成为目前国际上研究的热点。随着我国“海洋强国”战略的提出，国内对水下探测技术与海洋探测装备的研究变得越来越重视。
水下探测技术的发展经历了一个漫长的演变过程。早期尝试使用光波进行探测，但对于深海区域，光线难以到达，且易发生衰减和散射，导致水下影像变得模糊，影响高质量水下目标图像的获取。随着近代水声学的发展，声呐技术成为了重要的探测方式，声学信号在深海区域内具有衰减程度小、传播距离远等优点。但由于潜艇降噪技术、消声和隔振技术等声隐身技术的发展和复杂海洋条件对水下声传播的制约，声学探测技术正面临着威胁和挑战。除了光学探测、声学探测以外，水下探测的方法还包括磁异探测、红外探测、光探测、合成孔径雷达探测等。
除了上述典型的水下探测方法外，海洋生物的生理结构与行为特征能为研究者们提供灵感。研究发现，水生脊椎动物如鱼类的侧线器官可感受到水流流速、加速度、压力和振动源，从而判断猎物、天敌或障碍物的位置来做出应激反应。海豹也可以利用它的胡须来感受猎物游动时产生的尾迹。因此，仿照鱼类侧线和海豹胡须的探测原理，可根据目标尾迹的流场特性来识别和跟踪物体。水下目标的振动或平动会导致水动力尾迹的产生，当目标物离开尾迹产生的位置时，水动力尾迹不会马上耗散掉，而是会持续存在一段时间，持续时间可能与目标物的大小和运动的速度有关，当其他水生生物经过水动力尾迹的位置时，可通过该尾迹来判断出目标的状态信息。
受此启发，通过模仿水生生物的探测器官，研究者们按其原理，相继制作出了仿生流场传感器，用于水下流场探测。通过研制高精度和高灵敏度的传感器获取更为精准的水动力数据是当前主要的研究方向之一，但如何将水动力数据与目标物的尺寸、形状、位置以及运动状态建立联系也是非常重要的。目前，越来越多的水下流场探测方法被相继提出，其中包括机器学习方法，由于其具备能够有效地寻找高非线性度、高维度的映射关系，且时效性强、精准度高、易于实现等优点，受到研究者们的广泛青睐。相比目前较为常用的如光学和声学等水下探测技术，结合了仿生流场传感器与机器学习等方法的仿生流场探测技术，克服了信号的衰减、噪声和天气等因素的影响，且为被动探测技术，可将探测系统集成在水下航行器上，并进行长时间探测，隐蔽性强，可以弥补现有水下探测技术在复杂海域下近场感知的缺陷。本文以水下仿生流场探测为主题，介绍了典型的水下探测技术研究现状，并陈述了国内外仿生流场传感器与流场水动力探测方法的研究进展。
1 典型水下探测技术研究现状
2 仿生流场传感器研究进展
3 流场水动力探测方法研究进展
4 总结与展望
声学、光学等水下探测技术在复杂海域下近场感知的局限性已逐渐显现，研究人员以鱼类侧线和海豹胡须等敏感器官的原理为依据，制作了可以准确测量局部流速和压力梯度的仿生流场传感器，再结合理论建模与机器学习等方法，实现了流场特征以及水下目标物的位置与运动状态的识别和预测。在水下探测领域内具有重要的发展前景，且未来可以考虑将该方法融合到自主水下航行器和水下滑翔机等装备的探测系统当中去。本文概述了基于不同原理设计的仿生流场传感器和水下流场水动力探测方法的研究进展。目前已取得了很多研究成果，但距离实际工程应用上还存在一定距离。下面是对相关研究中关键问题的分析以及未来展望。
1）仿生流场传感器性能。
目前用于仿生流场探测的传感器类型多以悬臂梁式流速传感器和压力传感器为主，但悬臂梁式流速传感器通过流体对纤毛的扰动来进行物理量转换，需要严格和复杂的标定和校准过程，否则会影响传感器的精度；压力传感器在较深水域内使用时，受到水深静压的影响非常大，对传感器的灵敏度要求极高。在未来的研究中，可以考虑壁面剪应力传感器来弥补流速和压力传感器的缺陷。在新型材料不断发展的过程中，选择高灵敏度、力学性能优良、化学性质稳定、防冲击和变形能力强以及适应复杂流体环境下的材料来制作传感器原件。除此之外，通过传感器–模数转换器–数据采集卡等部件的集成化也可以减小数据的丢失和失真，并提高了传感器的信号处理能力。
2）传感器阵列布局优化。
现有的人工侧线传感器阵列布置较为简单且传感器数量较少，一般以一维线阵列和二维网格阵列为主，而真实的鱼类侧线神经丘的布局是非常复杂的。目前部分研究者们通过贝叶斯估计、方差分析和神经网络等方法研究了一些传感器布局的优化，且大多针对某一特定目标如预测误差、噪声鲁棒性等对传感器数量或间距进行优化。未来可以考虑综合多目标优化策略，加入传感器间距和灵敏度之间关系的分析。在布局维度方面，可以扩充至二维面阵列甚至三维空间阵列上。
3）水下探测环境的流场复杂性。
目前的水下探测研究的环境，无论是数值模拟还是实物实验方法，都是以实验室条件下的水槽内探测为主，传感器阵列载体的尺寸较小、运动方式简单，且水流环境稳定，流场类型简单。对于探测目标物来说，目标物形状比较规则，目标物与载体之间的探测距离也较短。在改变探测距离、目标物形状以扩充神经网络训练的样本时，距离样本的范围多以二维平面为主，且探测区域面积较小；形状识别上也多以分类器为主，样本标签的种类较少，且数据量也不够大。随着传感器性能的不断提高，未来需要进行大量的室外如河道、湖泊和近海等自然环境下的探测实验，并以真实的水下障碍物或游动的鱼类等作为探测的目标，增大训练样本的数据量，以达到提高预测模型泛化能力的目的，或将人工噪声信号融合在输入信号中，以提高预测模型的噪声鲁棒性，使研究成果具有更大的工程上的意义。随着人工智能的发展和计算机性能的进一步提高，应寻求更为深层的神经网络模型对流场水动力特征进行学习，可以考虑结合数值模拟和实验方法，采用数据融合的方式来解决成本问题，提高模型的预测性能。
结束语
水下仿生流场探测技术涉及仿生学、机械、材料和流体力学等众多学科与领域，克服了现有技术在水下复杂环境中近场感知的局限性，具有很高的研究价值和工程应用前景。本文首先对水下探测技术的研究现状做了简单的总结，主要介绍了水下生物流场探测的原理、基于不同原理设计的仿生流场传感器的研究进展，以及基于理论建模与机器学习的水动力流场探测方法的研究进展。最后，总结了水下仿生流场探测工作中亟需解决的关键问题：仿生传感器性能、传感器阵列布局优化和水下探测环境和方法。在未来，水下仿生流场探测研究有望向着高性能、强稳定性、大数据、真实水域和数据融合方向发展。
声明：本公众号相关内容均来自主流媒体及公众号，非商业用途，并不意味着赞同其观点或证实其内容的真实性。版权归原作者所有，如有发现侵犯您的权益，请后台联系编辑，我们会尽快删除相关侵权内容。